反饋延遲AMC系統中預測算法的設計與應用

王 丹 高 奇 孫 鵬

(重慶郵電大學移動通信技術重慶市重點實驗室,重慶 400065)

反饋延遲AMC系統中預測算法的設計與應用

王 丹 高 奇 孫 鵬

(重慶郵電大學移動通信技術重慶市重點實驗室,重慶 400065)

由于現有LTE系統中的AMC方案沒有考慮CQI反饋時延對系統性能的影響，導致AMC的效率隨著CQI反饋時延的增加而降低。對此，采用基于時間序列的預測算法對CQI的值進行預測。考慮到預測算法對系統復雜度的影響，提出在不同的CQI反饋時延的情況下，自適應地使用不同復雜度的CQI預測算法。試驗結果證明，該系統的誤塊率和現有的AMC系統相比有了明顯的降低，證明了提出AMC方案的可行性與有效性。

長期演進(LTE) 自適應調制編碼(AMC) 信道質量指示(CQI) 時延 時間序列

0 引言

通信技術近年來發展十分迅速，通信網絡也朝著速率更快、容量更大的趨勢發展。為了滿足用戶急劇增長的需求，3GPP從2004年底啟動了LTE項目，采用了OFDM和MIMO兩項核心技術，LTE的帶寬從3G時代的5 MHz擴展到20 MHz。由于AMC技術可以動態調整參數以適應不同信道環境的優勢，其成為LTE的關鍵技術之一。AMC技術可以根據不同信道環境測量的CQI值，動態地選擇對應的調制編碼方式，以適應不同的通信環境，從而提高了物理層的通信效率。現有的通信體制中，通常將自適應調制編碼技術同HARQ技術相結合，可以很大程度地提高系統的吞吐量[1]。

1 AMC技術在LTE系統中的應用

自適應調制編碼技術根據不同的移動通信環境的變化，自適應地調整系統參數，例如編碼速率、調制方式、天線數目和天線端口的映射方式等。首先在終端檢測HARQ信息，確定是否進行數據重傳；然后通過各個UE上報的狀況結合網絡端自身的資源利用情況和信道環境進行資源分配，根據CQI/PMI/RI信息確定終端的調制編碼方案以及天線傳輸模式；再將要與UE進行交互的信息進行物理層信道的處理；最后通過射頻模塊傳輸[2]。

終端首先根據主同步信號與輔同步信號完成粗同步和精同步，小區搜索確定小區ID等信息，檢測物理廣播信道(PBCH)獲得MIB信息; 然后是信道估計、SNR估計和信號檢測,消除無線信道的影響；完成解碼,確定ACK/NACK/CQI/PMI/RI信息，最終將需要的數據發送出去[3]。

由于整個系統的AMC的調制編碼的相關參數是根據測量的CQI的值確定的，所以CQI的準確與否將直接影響到整個系統的性能，本文主要探討時延誤差對CQI的影響及解決方案。通常CQI的時延主要是由CQI測量時延、CQI反饋時延、CQI處理時延幾種類型構成的[4]。網絡端在t時刻使用的調制編碼方式是根據t-τ時刻測量的CQI值確定的，也就是說網絡端此時使用的調制編碼方式應該是t-τ時刻的，CQI的上報時延直接對AMC系統造成影響，從而將影響整個系統的性能。本文在1×1天線模式的環境下，對系統的塊差錯率(BLER)和MCS的自身均方誤差進行仿真對比，探究CQI上報時延延遲對系統性能的影響。仿真環境參數的設置具體如表1所示。

表1 仿真參數配置表

根據配置的參數,在300 Hz ETU的信道環境中進行仿真，CQI上報時延對于系統的誤塊率的影響如圖1所示。

圖1 系統誤塊率仿真結果

通過仿真結果圖可以發現，時間延遲對系統的誤塊率有明顯的影響，延遲時間越長，系統的誤塊率越大。

2 反饋延遲系統

LTE系統的一個傳輸時間間隔(TTI)是1 ms，由于移動終端UE不可能在1 ms中處于兩個極端不同的環境中，因此可以根據系統當前反饋的CQI值與連續正確ACK回傳的CQI值進行CQI修正，以抵制信道時變對反饋參數的影響[5]。通過對反饋的CQI進行預測，以彌補時間延遲的CQI帶來的系統誤差[6]。本文針對不同的信道環境以及對應的CQI值采用不同的預測方法，對于處于相對穩定的信道環境，CQI的值變動呈相對穩定的狀態，采用基于簡單移動平均法的時間序列預測模型，若系統的標準差小于1，模型得到檢驗。當系統CQI的值變化趨勢單一時，用基于趨勢移動平均法的時間序列預測模型，同樣運用系統標準差是否小于1的方法進行檢驗。當CQI的值變化趨勢不單一時，采用基于GM(1,1)的預測模型，運用后驗差比值c及小概率誤差p進行檢驗，若p>0.85并且c<0.5時，模型通過檢驗。3種算法的準確性依次提高，但是同時3種算法的復雜度依次增加，因此根據不同的信道環境選擇不同的預測算法能有效提高系統的性能。此外，也有其他如神經網絡預測算法等預測算法[7]可以應用到CQI的預測中，但是相比我們采用的算法，算法的復雜度較高，不符合未來通信技術的要求。設計的系統具體流程如下。

① 根據高層配置的調度模式，如果是靜態調度模式，則可利用反饋的CQI直接進行MCS選擇；如果是動態調度，則需要對先驗CQI值進行判定。

② 因為CQI值一共有15個，根據先驗CQI的值，可根據先驗CQI的方差值進行預測算法初選；若采集到的數據的方差小于2，則采用基于簡單移動平均法的時間序列預測模型初驗；若標準差大于2并且小于5，則采用基于趨勢移動平均法的時間序列進行初驗，否則采用GM(1,1)預測模型進行初驗。

③ 當預測模型的性能通過驗證時，采用該預測算法對反饋的CQI進行修正；如果不能通過，選擇復雜度較高的算法進行修正。

④ 根據修正的CQI值選擇MCS進行下行調度。

2.1 基于移動平均法的時間序列模型

時間序列的數據序列跟時間關系密切，本文探究的是CQI值在不同的信道環境下的預測，所以根據CQI值的不同情況，選取不同的預測算法[7]。

當采集到的CQI趨于穩定，當前的信道環境沒有較大的變化時，可以采用基于一次簡單移動平均法的時間序列進行CQI預測。

設采集到的觀測序列為y1,…,yt，一次移動平均值計算公式如下所示：

(1)

(2)

式中:t=N,N+1,…,T

可以用標準差對預測結果進行檢驗，如下所示：

(3)

根據系統的要求，通過式(3)對預測結果進行誤差檢驗。

根據所建立的模型，當采集到的CQI的值為8、8、9、8、9、8、7、8，信道環境比較穩定，CQI的方差小于2時，采用簡單移動平均法進行預測，得出的預測值為8，標準差S=0.848 5。標準差取值滿足系統要求，說明建立的該模型對信道環境穩定的情況下的預測可取。

2.2 基于趨勢移動平均法的時間序列模型

當信道環境發生變化，CQI的值變化趨勢單一時，基于簡單移動平均法建立的模型已經不能準確實現預測，可以采用趨勢移動平均法建立的時間序列模型進行二次移動來得到此時的預測值[8]。

設采集到的觀測序列為y1,…,yt，經過一次移動得到的結果為：

(4)

在一次移動的結果上進行二次移動平均計算，如下所示：

(5)

假設時間序列{yt}，即從某時刻開始采集的CQI值由于信道環境的變化出現增加或減少的趨勢，可以假設此時的預測模型為：

(6)

式中:t為當前采集到得時刻值;m為從當前時刻t開始預測的窗口數;at、bt為建立模型的平滑系數。

上述平滑系數可采用以下的公式進行計算：

(7)

利用建立的基于趨勢移動平均法的時間序列模型進行預測，并利用式(3)進行誤差驗證，得到預測的CQI值并應用到系統進行修正。

根據系統建立的模型，當采集到的CQI值為8、8、8、9、7、8、7、6、5、4，CQI方差值為1.9時，通過基于移動平均法的方式進行建模，得到的預測值為6，標準差為1.830 8，不滿足系統要求。建立基于趨勢移動平均法的時間序列模型，得出at=4，bt=-1，得到的預測值為3，求得的標準差S=0.901，模型得到檢驗。通過CQI值分析不難發現，信道環境質量下降，通過移動平均法建立的模型得到的預測值不能反映出信道環境的變化，得到的標準差明顯偏大，運用基于趨勢移動平均法的時間序列模型進行的預測很好地彌補了上述不足。綜上所述，當CQI的值變化趨勢單一時，可采用基于趨勢移動平均法的時間序列模型進行預測。

2.3 基于GM(1，1)的時間序列模型

基于灰色預測的時間序列模型可以根據已有的數據，建立、發現、掌握系統的發展規律，對系統的未來時刻的CQI值作出預測。當采集的CQI值變化趨勢不單一時，采用基于GM(1,1)灰色預測的時間算法模型對未來時刻的CQI值進行預測[9]。方法和步驟如下。

采集到的原始CQI數列為：

第(n+1)期、第(n+2)期…的預測值為：

x(0)(n+1),x(0)(n+2),…

對應的預測模型的模擬序列表示為：

設X(1)為X(0)的一次累加序列：

(8)

即：

(9)

利用X(1)計算GM(1,1)模型參數a、u。令a=[a,u]T,則有：

a=(BT-B)-1BT-Yn

[x(0)(2),x(0)(3),…,x(0)(n)]T。

得到的GM(1,1)模型如下：

(10)

對模型進行精度檢測，如精度檢測通過，獲得預測值如下：

通過后驗差c和小誤差概率p進行后驗性檢驗[10]。

記原始數列及殘差數列的方差分別是S12和S22,即：

(11)

(12)

其中：

用下式計算后驗差比值c及小概率誤差p[8]。

c=S2/S1

對于所建立的系統，當已有的CQI值為8、10、11、8、7、6、6、5時，系統方差大于5，應用GM(1，1)模型對CQI值進行預測，得到的值為4.380 9，取值為4，p檢驗的值為0.875 0，c值為0.339 9。后驗差比值c以及小概率誤差p滿足系統要求，預測模型得到驗證。仿真的結果對比如圖2所示。

圖2 基于GM(1，1)時間序列仿真

若采用前兩種模型進行預測，求得的標準均大于1，不滿足系統的要求；當系統CQI值變化趨勢不單一時，只有復雜度較高的GM(1，1)模型能滿足系統要求。

由于CQI的值只能取整且只有15種取值，因此其在短期內的變化不會出現過于復雜的情況。本文所提出的先驗規則及預測的方法可以較好地進行預測，模型性能良好。

3 CQI修正后的系統性能測試

用上述建立的模型對CQI的值進行修正，并加入到系統中，在300HzETU的信道環境中，誤塊率的結果如圖3所示。

圖3 修正后系統的誤塊率仿真

對比并計算修正后的誤塊率仿真結果和修正之前的系統誤塊率之后可得，在相同的信道環境下，5ms延遲下的系統的平均誤塊率較之前降低約22%，10ms延遲下的系統平均誤塊率較之前降低21%，15ms延遲下的系統平均誤塊率較之前降低20%，系統的平均誤塊率有明顯的降低。

4 結束語

通過實例驗證，預測模型所建立的時間序列模型準確可靠。由圖1所示，隨著反饋時延的增大，系統的誤塊率明顯增大。通過本文設計的時間序列預測方法應用到修正CQI后，系統的平均誤塊率較之前降低約20%。該方法可以應用到LTE的AMC系統中。

[1] 3GPPTS36.213 v11.6.0 Physical layer procedures[S].2012.

[2] Nanda S,Balachandran K,Kumar S.Adaptation techniques in wireless packet data services[J].IEEE Communications Magazine,2000,38(1):54-64.

[3] 3GPP TS 36.211 v11.4:Evolved universal terr-estrial radio access(E-UTRA);physical channels and modulation.(Release 11)[S].2013.

[4] Hancock J,Lindesey W.Optimum performance of self-adaptive operating through a Rayleigh fading medium[J].IEEE Transactions on Communication Systems,1963,11(4):443-453.[5] 蔣佳俊,胡波.LTE系統下行鏈路的一種AMC方案[J].信息與電子工程,2009,7(5):377-381,394.

[6] 胡國娜.多天線系統下信道反饋時延誤差的影響及跨層調度[D].北京:北京郵電大學，2009.

[7] 張維杰,田間艷,王芳,等.改進型T-S模糊神經網絡風電功率預測模型的研究[J].自動化儀表,2014(12):39-42.

[8] 錢曉星.新田公司摩托車銷售預測研究[D].南京:南京理工大學,2002.

[9] 張軍.延吉物流園區選址與規模確定研究[D].吉林:吉林大學,2011.

[10]鄧聚龍.灰色系統基本方法[M].武漢：華中科技大學出版社，2005:26-38.

Design and Application of the Prediction Algorithm in AMC System with Feedback Delay

The efficiency of AMC is decreasing following the feedback time delay of CQI is increasing, it is because the influence of feedback time delay of CQI has not be taken into account for AMC scheme in existing LTE system. For this, the values of CQI are predicted by using the prediction algorithm based on time series. Considering the impact of prediction algorithm to the complexity of system, it is proposed that according to different CQI feedback time delay, different prediction algorithm shall be adaptively used. The experimental result show that the block error rate (BLER) of this AMC system is significantly lower than existing system; and the feasibility and effectiveness of the AMC scheme proposed is proved.

Long term evolution(LTE) Adaptive modulation and coding(AMC) Channel quality indication(CQI) Time delay Time series

國家科技重大專項基金資助項目(編號：2011ZX03001-003-01)。

王丹(1981-)，女，2014年畢業于重慶大學通信與信息系統專業，獲博士學位，高級工程師；主要從事TD-LTE物理層協議的研究和DSP軟件的研發。

TN929+.5

A

10.16086/j.cnki.issn1000-0380.201510007

修改稿收到日期：2015-01-20。